Noticias destacadas
Colaboración con la Sociedad Matemática Mexicana para el desarrollo del Museo Virtual de Matemáticas
El día 7 de agosto de 2024 se inauguró oficialmente el Museo, el cual puedes visitar dando click en este botón.
C3, en colaboración con la Dra. Nelly Selem del Centro de Ciencias Matemáticas de la Universidad Nacional Autónoma de México (CCM-UNAM), ha diseñado y desarrollado diversas aplicaciones y salas para el Museo Virtual de Matemáticas. Estos entornos permiten una interacción lúdica, demostrando de manera efectiva que las matemáticas pueden ser tanto educativas como entretenidas.
“Este museo virtual te permite conocer y jugar con diferentes problemas matemáticos a través de aplicaciones que se encuentran distribuídas a través de 5 salas.”
¿Qué es el Museo Virtual de Matemáticas?
C3 presente en el
56º Congreso de la Sociedad Matemática Mexicana
Del 23 al 27 de Octubre de 2023
Con la participación de nuestro CEO, M. en C. Carlos Angulo Sermeño, dentro de la sesión especial:
Matemáticas aplicadas a la industria: casos de éxito de colaboración entre academia e industria.
Llevada a cabo en el Auditorio del Centro de Emprendimiento e Innovación Potosino de la Universidad Autónoma de S.L.P., en la Ciudad de San Luis Potosí, S.L.P., México.
En está platica se habló sobre el trabajo de realizar consultoría a empresas con proyectos de inversión. Análisis de la percepción mediante encuestas y estudio de medios. Además del fortalecimiento de relaciones entre industria y comunidades por medio de responsabilidad social dentro de la empresa C3 Consensus.
Colaboración con el Consorcio Mexicano de Vigilancia Genómica para Sars-Cov2
Durante la pandemia por COVID-19, trabajamos en el equipo bioinformático del Dr. Alfredo Herrera del Cinvestav, configurando la cadena de procesos para análisis de muestras de SARS-CoV-2. Con este análisis se permitió la detección de variantes para rastrear la evolución del virus en México.
Artículos publicados por nuestro equipo
Residue Cluster Classes: A Unified Protein Representation for Efficient Structural and Functional Classification
Protein–Protein Interactions Efficiently Modeled by Residue Cluster Classes